1877

вых коэффициентов, который реализуется автоматически без участия пользователя-аналитика. Все результаты обработки представляются в графическом виде, удобном для анализа и принятия решений.

Использование нейросетевых технологий как инструментальных средств перспективно в решении множества плохо формализуемых задач, в частности при анализе финансовой и банковской деятельности, биржевых, фондовых и валютных рынков, связанных с высокими рисками моделей поведения клиентов, и др. Точность прогноза, устойчиво достигаемая нейросетевыми технологиями при решении реальных задач, уже превысила 95%. На мировом рынке нейросетевые технологии представлены широко – от дорогих систем на суперкомпьютерах до ПК, делая их доступными для приложений практически любого уровня.

К основным преимуществам нейронных сетей можно отнести:

­способность обучаться на множестве примеров в тех случаях, когда неизвестны закономерности развития ситуации

ифункции зависимости между входными и выходными данными. В таких случаях (к ним можно отнести до 80% задач финансового анализа) пасуют традиционные математические методы;

­способность успешно решать задачи, опираясь на неполную, искаженную и внутренне противоречивую входную информацию;

­эксплуатация обученной нейронной сети по силам любым пользователям;

­нейросетевые пакеты позволяют исключительно легко подключаться к базам данных, электронной почте и автоматизировать процесс ввода и первичной обработки данных;

­внутренний параллелизм, присущий нейронным сетям, позволяет практически безгранично наращивать мощность нейросистемы, т.е. сверхвысокое быстродействие за счет использования массового параллелизма обработки информации;

50

­толерантность к ошибкам: работоспособность сохраняется при повреждении значительного числа нейронов;

­способность к обучению: программирование вычислительной системы заменяется обучением;

­способность к распознаванию образов в условиях сильных помех и искажений.

Появление столь мощных и эффективных средств не отменит традиционные математические и эконометрические методы технического анализа, или сделает ненужной работу высококлассных экспертов. В качестве нового эффективного средства для решения самых различных задач нейронные сети просто приходят – и используются теми людьми, которые их понимают, которые в них нуждаются и которым они помогают решать многие профессиональные проблемы. Не обязательно насаждать нейронные сети или пытаться доказать их неэффективность путем выделения присущих им особенностей и недостатков - нужно просто относиться к ним, как к неизбежному следствию развития вычислительной математики, информационных технологий и современной элементной базы.

Под нейрокомпьютером здесь понимается любое вычислительное устройство, реализующее работу нейронных сетей, будь то специальный нейровычислитель или эмулятор нейронных сетей на персональном компьютере.

Нейронная сетью (НС) – вид вычислительной структуры, основанной на использовании нейроматематики - нового направления математики, находящегося на стыке теории управления, численных методов и задач классификации, распознавания образов. Для решения конкретных задач используются пакеты прикладных программ-эмуляторов работы нейронных сетей – нейропакеты, нейросетевые и гибридные экспертные системы, специализированные параллельные вычислители на базе нейрочипов.

Модели НС могут быть программного и аппаратного исполнения.

51

Несмотря на существенные различия, отдельные типы НС обладают несколькими общими чертами.

Во-первых, основу каждой НС составляют относительно простые, в большинстве случаев – однотипные, элементы (ячейки), имитирующие работу нейронов мозга. Далее под нейроном будет подразумеваться искусственный нейрон, то есть ячейка НС. Каждый нейрон характеризуется своим текущим состоянием по аналогии с нервными клетками головного мозга, которые могут быть возбуждены или заторможены. Он обладает группой синапсов – однонаправленных входных связей, соединенных с выходами других нейронов, а также имеет аксон – выходную связь данного нейрона, с которой сигнал (возбуждения или торможения) поступает на синапсы следующих нейронов. Общий вид нейрона приведен на рисунке 3.3.

Wn

X

Рис. 3.3. Общий вид нейрона

Каждый синапс характеризуется величиной синаптическои связи или ее весом wi, который по физическому смыслу эквивалентен электрической проводимости.

Текущее состояние нейрона определяется, как взвешенная сумма его входов.

В зависимости от функций, выполняемых нейронами в сети, можно выделить 3 типа:

52

входные нейроны, на которые подается вектор, кодирующий входное воздействие или образ внешней среды; в них обычно не осуществляется вычислительных процедур, а информация передается с входа на выход путем изменения их активации;

выходные нейроны, выходные значения которых представляют выходы нейросети;

промежуточные нейроны, составляющие основу нейронных сетей.

В большинстве нейронных моделей тип нейрона связан

сего расположением в сети. Если нейрон имеет только выходные связи, то это входной нейрон, если наоборот – выходной нейрон. В процессе функционирования сети осуществляется преобразование входного вектора в выходной, переработка информации.

Каждый нейрон распознаёт и посылает сигнал об одном простом событии, он не посылает много сигналов и не распознаёт много событий. Синапс позволяет единственному сигналу иметь различные воздействия на связанные с ним нейроны. Распознавание более сложных событий есть работа группы взаимосвязанных нейронов (НС) и несколько биологических нейронных сетей функционируют взаимосвязанно для обработки всё более сложной информации.

Нейронная сеть состоит из слоев нейронов, которые соединены друг с другом. Детали того, как нейроны соединены между собой, заставляют задуматься над вопросом проектирования НС. Некоторые нейроны будут использоваться для связи

свнешним миром, другие нейроны - только с нейронами. Они называются скрытыми нейронами.

Перечислим основные классы задач, возникающих в финансовой области, которые эффективно решаются с помощью нейронных сетей:

прогнозирование временных рядов на основе нейросетевых методов обработки (прогнозирование кросс-курса валют, прогнозирование котировок и спроса акций, прогнозирование

53

остатков средств на корреспондентских счетах банка);

страховая деятельность банков;

прогнозирование банкротств на основе нейросетевой системы распознавания;

определение курсов облигаций и акций предприятий с целью инвестирования;

применение нейронных сетей к задачам биржевой деятельности;

прогнозирование экономической эффективности финансирования инновационных проектов;

предсказание результатов займов;

оценка платежеспособности клиентов;

оценка недвижимости;

рейтингование;

общие приложения нейронных сетей и пр.

3.5.Информационная технология экспертных систем

Экспертные системы дают возможность получать менеджеру необходимую информацию для принятия решений по любым проблемам при наличии соответствующей базы знаний. Они имеют непосредственное отношение к области «искусственного интеллекта». Но сюда относится также и создание роботов, систем, моделирующих интеллектуальные способности человека.

Экспертные системы (ЭС) возникли как теоретический и практический результат в применении и развитии методов искусственного интеллекта с использованием ЭВМ.

ЭС – это набор программ, выполняющий функции эксперта при решении задач из некоторой предметной области. ЭС выдают советы, проводят анализ, дают консультации, ставят диагноз. Практическое применение ЭС на предприятиях способствует эффективности работы и повышению квалификации специалистов.

54

Главным достоинством экспертных систем является возможность накопления знаний и сохранение их длительное время. В отличие от человека к любой информации экспертные системы подходят объективно, что улучшает качество проводимой экспертизы при решении задач, требующих обработки большого объема знаний, возможность возникновения ошибки при переборе очень мала.

Основными отличиями ЭС от других программных продуктов являются использование не только данных, но и знаний,

атакже специального механизма вывода решений и новых знаний на основе имеющихся. Знания в ЭС представляются в такой форме, которая может быть легко обработана на ЭВМ. В ЭС известен алгоритм обработки знаний, а не алгоритм решения задачи. Поэтому применение алгоритма обработки знаний может привести к получению такого результата при решении конкретной задачи, который не был предусмотрен. Более того, алгоритм обработки знаний заранее неизвестен и строится по ходу решения задачи на основании эвристических правил. Решение задачи в ЭС сопровождается понятными пользователю объяснениями, качество получаемых решений обычно не хуже,

аиногда и лучше достигаемого специалистами. В системах, основанных на знаниях, правила, по которым решаются проблемы в конкретной предметной области, хранятся в базе знаний. Проблемы ставятся перед системой в виде совокупности фактов.

Качество ЭС определяется размером и качеством базы знаний (правил или эвристик). Система функционирует в следующем циклическом режиме: выбор (запрос) данных или результатов анализов, наблюдения, интерпретация результатов, усвоения новой информации, выдвижении с помощью правил временных гипотез и затем выбор следующей порции данных или результатов анализов. Такой процесс продолжается до тех пор, пока не поступит информация, достаточная для окончательного заключения.

55

В любой момент времени в системе существуют три типа знаний:

1)Структурированные знания – статистические знания о предметной области. После того как эти знания выявлены, они уже не изменяются.

2)Структурированные динамические знания – изменяемые знания о предметной области. Они обновляются по мере выявления новой информации.

3)рабочие знания – знания, применяемые для решения конкретной задачи или проведения консультации.

Все перечисленные выше знания хранятся в базе знаний. Для ее построения требуется провести опрос специалистов, являющихся экспертами в конкретной предметной области, а затем систематизировать, организовать и снабдить эти знания указателями, чтобы впоследствии их можно было легко извлечь из базы знаний.

Системы, основанные на знаниях, строятся по модульному принципу, что позволяет постепенно наращивать их базы знаний.

Компьютерные системы, которые могут лишь повторить логический вывод эксперта, принято относить к ЭС первого поколения. Однако специалисту, решающему интеллектуально сложную задачу, явно недостаточно возможностей системы, которая лишь имитирует деятельность человека. Ему нужно, чтобы ЭС выступала в роли полноценного помощника и советчика, способного проводить анализ нечисловых данных, выдвигать и отбрасывать гипотезы, оценивать достоверность фактов, самостоятельно пополнять свои знания, контролировать их непротиворечивость, делать заключения на основе прецедентов и, может быть, даже порождать решение новых, ранее не рассматриваемых задач. Наличие таких возможностей является характерным для ЭС второго поколения, концепция которых начала разрабатываться 9-10 лет назад. Экспертные системы, относящиеся ко второму поколению, называют партнерскими, или усилителями интеллектуальных способностей человека. Их

56

общими отличительными чертами является умение обучаться и развиваться, т.е. эволюционировать.

Области применения систем, основанных на знаниях, могут быть сгруппированы в несколько основных классов: прогнозирование, планирование, контроль и управление, обучение, диагностика неисправностей в механических и электрических устройствах, медицинская диагностика.

Большинство ЭС включают знания, по содержанию которых их можно отнести одновременно к нескольким типам. Например, обучающая система может также обладать знаниями, позволяющими выполнять диагностику и планирование. Она определяет способности обучаемого по основным направлениям курса, а затем с учетом полученных данных составляет учебный план. Управляющая система может применяться для целей контроля, диагностики, прогнозирования и планирования.

Существует ряд прикладных задач, которые решаются с помощью систем, основанных на знаниях, более успешно, чем любыми другими средствами. При определении целесообразности применения таких систем нужно руководствоваться следующими критериями.

1. Данные и знания надежны и не меняются со вре-

менем.

2.Пространство возможных решений относительно

невелико.

3.В процессе решения задачи должны использоваться формальные рассуждения. Существуют системы, основанные на знаниях, пока еще не пригодные для решения задач методами проведения аналогий или абстрагирования (человеческий мозг справляется с этим лучше). В свою очередь традиционные компьютерные программы оказываются эффективнее систем, основанных на знаниях, в тех случаях, когда решение задачи связано с применением процедурного анализа. Системы, основанные на знаниях, более подходят для решения задач, где требуются формальные рассуждения.

57

4. Должен быть по крайней мере один эксперт, который способен явно сформулировать свои знания и объяснить методы применения этих знаний для решения задач.

Системы, основанные на знаниях, имеют определенные преимущества перед человеком-экспертом:

1.У них нет предубеждений.

2.Они не делают поспешных выводов.

3.Эти системы работают систематизированно, рассматривая все детали, часто выбирая наилучшую альтернативу из всех возможных.

4.База знаний может быть очень и очень большой. Будучи введены в машину один раз, знания сохраняются навсегда. Человек же имеет ограниченную базу знаний, и если данные долгое время не используются, то они забываются и навсегда теряются.

5.Системы, основанные на знаниях, устойчивы к «помехам». Эксперт пользуется побочными знаниями и легко поддается влиянию внешних факторов, которые непосредственно не связаны с решаемой задачей. ЭС, не обремененные знаниями из других областей, по своей природе менее подвержены «шумам».

6.Эти системы не заменяют специалиста, а являются инструментом в его руках.

3.6. Автоматизированные информационные технологии в биржевом деле

Применение электронных технологий является одной из характерных особенностей развития современного российского фондового рынка. Они обеспечивают высокую динамику операций, существенно ускоряют расчеты, расширяют круг участников и уменьшают риски.

Под влиянием новых информационных технологий на современном этапе существенные изменения происходят и в управлении фондовыми биржами. В их деятельности все более

58

важную роль, наряду с известными видами ресурсов - трудовыми и финансовыми, - играет информационный ресурс.

Фондовая биржа представляет собой традиционно и постоянно действующий рынок ценных бумаг с определенным местом и временем продажи и покупки ранее выпущенных ценных бумаг.

Усилению роли биржи в торговле ценными бумагами способствуют тенденции концентрации и централизации капитала на самой бирже, возрастание компьютеризации ее операций, а также форм и методов сбора, доставки и обработки информации, прямое государственное регулирование операций биржи, усиление тенденций интернационализации биржевых сделок.

Основными центрами биржевой торговли в мире в настоящее время являются Нью-Йорк, Лондон, Франкфурт-на- Майне, Цюрих, Токио.

Существование биржевой торговли ценными бумагами требует увеличения числа ее участников. Каждый из них должен обеспечиваться оперативной и достоверной информацией, проводить квалифицированный анализ ситуации на рынке в целом и рынке отдельных ценных бумаг. События на фондовом рынке являются барометром состояния национальной экономики, поэтому должны обсуждаться в средствах массовой информации, как это принято во всем мире. Биржевая информация должна быть адресована не только профессиональным участникам рынка, но прежде всего широким слоям потенциальных инвесторов. Эффективность современного рынка ценных бумаг (РЦБ) во многом зависит от степени его компьютеризации. В настоящее время интенсивность процесса компьютеризации на РЦБ определяется следующими факторами:

1) предметом и продуктом труда на фондовой бирже служат не какие-то вещественные материальные ценности, а информация, хорошо поддающаяся преобразованию на “машинный язык”;

59